环境安装准备
建议使用Ubuntu系统并配备Nvidia GPU以获得最佳效果，Windows用户需要相应调整。主要步骤如下：
1. 基础环境配置
- 安装Python 3.6+
- 通过pip安装核心依赖库：
pip install torch torchvision numpy opencv-python PySimpleGUI - 为GPU支持需提前安装对应版本的CUDA和PyTorch
2. 获取项目资源
- 克隆GitHub仓库：
git clone https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life.git - 同步批标准化模块（需分别在Face_Enhancement和Global目录执行）
- 下载预训练模型包（包含人脸增强和全局修复模型）
3. 人脸检测组件
需要单独下载dlib的68点人脸特征检测器：wget http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
安装验证
运行测试命令python run.py --input_folder ./test_images --output_folder ./output --GPU 0，成功执行后会在output目录生成修复样本。
本答案来源于文章《OPR：智能修复泛黄、破损老旧照片的AI工具》
简体中文 
English 
日本語 
Deutsch 
Português do Brasil